基于深度学习和影响函数法的机翼非定常流场预测

为兼顾非定常流场求解的精度与速度，基于深度学习和影响函数法，提出了一种机翼非定常流场特性预测方法，将影响函数嵌入深度学习网络的训练过程中，并引入早停机制和Dropout机制，实现了机翼流场参数的快速预测。结果表明，该方法具有较高的预测精度并且其计算效率较CFD方法有大幅提高。     

新型激振台的动力学分析与参数优化

提出了一种新型的激振台并研究其动力学特性,基于Sold Works和ADAMS软件建立激振台的虚拟样机模型。利用ADAMS的柔性体模块建立弹簧的柔性体模型,对激振台进行刚柔耦合动力学分析,并进一步分析了固有频率、振型及频率响应。根据分析结果优化弹簧和柔索的刚度,优化后的仿真结果表明:激振台的稳定性和振动情况都得到了提高。